GlidedSKY-之七:验证码

àì夳堔傛蜴生んèń 2022-04-25 09:44 139阅读 0赞

挑战网址:http://glidedsky.com/level/crawler-captcha-1  
这次介绍的是怎么用selenuim破解常见的滑动验证码（卧槽，黑科技）。  
![在这里插入图片描述][20190606104616505.gif]  
第一次破解滑动验证码心情是激动的虽然过程对博主来说有些艰难，毕竟博主是个渣渣~~~

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70]

**题目介绍:**  
图灵测试是AI尝试伪装成人类，由人类来判断。如果大多数人认为这个AI是人类，那么这台电脑就通过了图灵测试。编写一个AI通过图灵测试是非常困难的。但有一个弱化版的图灵测试：AI尝试伪装成人类，由AI来判断。如果那个尝试伪装的AI被判定为人类，就通过了这个弱化版的图灵测试。验证码就是这种弱化版的图灵测试：服务器尝试通过这种手段来分辨HTTP请求是来自于人类还是AI。那么，诸位编写的爬虫程序，能否通过弱化版的图灵测试呢？这里有一个网站，分了1000页，求所有数字的和。但是看到数字之前，需要通过验证码认证哦~  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 1]挑战难度:★★★★★★★☆☆☆  
本题的难度是如何模拟人的滑动以及滑动距离的计算。  
问题分析:

1.  拿到背景图
2.  获取缺口位置
3.  实际图片与验证码图片的长度对应关系
4.  模拟滑动（滑动轨迹）
5.  获取数据  
    先来手动通过验证码看看实际发生了什么。  
    打开第一页，没有通过验证码时，看不到我们需要的数据，源码中也没有我们想要的数据。  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 2]通过验证码之后，我们就拿到了我们想要的数据。细心的化可以发现此时的网页链接后面多了些参数（这个参数是怎么来的等博主搞清楚了再来更新）。很好，看来只要我们能模拟人手动通过验证码就可以拿到我们想要的数据了。  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 3]现在我们根据分析问题的顺序来解决问题。

### 怎么拿到背景图？ ###

1、通过浏览器自带的定位工具找到该标签  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 4]  
2、通过打开链接发现这个其实是腾讯的验证码机制  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 5]  
3、将这张图片下载到本地

### 如何获取缺口的位置（可自行发挥） ###

1、 缺口位置的颜色明显要比其他的地方黑  
2、 用PIL的Img打开图片进行灰化（为什么要灰化，因为灰化过后更简单，只有一个值），通过数据分析，这些黑色的区域*色号*(假装是口红)大部分在0-120之间，  
\- 好了，我们将图片上该色号的横坐标取出来排序之后取\[0.1-0.9\]部分，再求平均值，这样我们可以得到计算的距离  
\- 由于缺口位置比较靠右，通过观察我们可以取整张图的3/4或1/2的位置，这样可以节约很多时间。  
\- 实际在计算中可自行优化，比如我将每次验证码通过距离都保存下来，每增加一个求一次通过平均值，当识别出来的位置不太理想时可以用通过平均值来代替。发现越到后面识别率越高，每个人的算法不一样识别率也不尽相同。  
\- 这里可自行发挥![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 6]  
**部分代码**

img = Image.open('tmp.jpg').convert('L').resize((341,199))
    width,hight = img.size
    tmpX = []
    for x in range(150,width-10,1):
        for y in range(10,hight-10,1):
            color = img.getpixel((x,y))
            if color < 80:
                tmpX.append(x)
    tmpX.sort()
    X = tmpX[int(len(tmpX)*0.1):int(len(tmpX)*0.9)]
    avg = int(reduce(lambda x,y:x+y,X)/len(X))

### 实际图片与验证码图片的长度对应关系 ###

通过查看源图片大小，和验证码大小，发现长高都变成了1/2.

### 模拟滑动 ###

通过selenium.webdriver.common.action\_chains来模拟滑动  
具体怎么用可百度，注意点：切换iframe（**划重点**）否则你很可能获取不到背景图和滑块位置。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 7]  
switch\_to\_frame(‘tcaptcha\_iframe’) --切换到验证码页  
switch\_to\_default\_content() --切换到默认主界面  
![在这里插入图片描述][20190606103231793.jpg]  
很多人说需要用加减速，这里我试了下发现并不好用，我是直接一次划完。

### 获取页面数据 ###

通过验证后获取数据跟[爬虫-基础2][-_2]方式类似，这里就不细讲，好了教程到此结束。是不是很简单呢，小伙伴快去试试水吧。![在这里插入图片描述][20190606104809691.jpg]  
喜欢折腾代码的加群（群号:822286811）一起交流学习【python、VBA、Shell、Linux、dos、爬虫、拆机、装系统技术交流群】，点击链接加入群聊【计算机技术交流】：https://jq.qq.com/?\_wv=1027&k=5V7RB2c

![在这里插入图片描述][20190606104854962.jpg]

[20190606104616505.gif]: /images/20220125/791b865be56c424db200f65e6c9bffbd.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70]: /images/20220125/edd43ae0fec14b15824c95e807b541c0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 1]: /images/20220125/1e156f56f3dc4abb801abcafe95723b8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 2]: /images/20220125/26137cd6c74a4cc9a4809ef250a80736.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 3]: /images/20220125/495978eb4af840c6a601e9c63061497e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 4]: /images/20220125/31212e747b4641fd9b05af257395b92a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 5]: /images/20220125/78677bd0df7d4f46b293337d66bf86f9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 6]: /images/20220125/5ee047f642384194b96f4c19ffa95c6c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NjA4Mzk4_size_16_color_FFFFFF_t_70 7]: /images/20220125/32fb99f07e4f44bbb3459e50893c1e63.png
[20190606103231793.jpg]: /images/20220125/de274d3e30d947b4a8c2b872773a2568.png
[-_2]: https://blog.csdn.net/qq_37608398/article/details/90713904
[20190606104809691.jpg]: /images/20220125/130d8bec74cf410a8260393caf45b87b.png
[20190606104854962.jpg]: /images/20220125/382a5f6270d24739b892acb724127938.png